Microsoft Facebookの人工知能ツール「PyTorch」への開発協力 | The Medical AI Times
Microsoftは、Facebookの人工知能ツール「PyTorch」の開発に協力することを明らかにした。Microsoftは、2016年から深層学習ツール「Cognitive Toolkit」の開発を続けているが、今後はより多くのユーザーが使用する「PyTorch」にその強みを受け継いでいくという。 CNBCオンライン版のインタビューによると、Microsoftのチーフテクノロジーオフィサー ケヴィン・スコット氏は、2017年にFacebookのチーフテクノロジーオフィサー マイク・シュレーファー氏と会談し、ユーザーに効果的にAIを使用してもらうためには、AIフレームワークが乱立する現状の複雑さを解消する必要があると感じたという。今後は、よりユーザーコミュニティに必要とされるサービスを提供していきたいと考えているようだ。 米ウェブメディアSeeking Alpha によると、Micro
PFNが独自開発したAIチップ「MN-Core」、回路設計を深層学習に最適化 | 日経 xTECH（クロステック）
PFNの西川社長は2018年12月12日、半導体産業の展示会「SEMICON Japan 2018」の基調講演に登壇し、同社が開発を進めるプロセッサー「MN-Core」の概要を明らかにした。
たった1000枚の画像分類『Train with 1000』で遊ぶ、学ぶ。 - Qiita
参考： GPipe、ARS-Aug、AutoAugment、森下らの手法 ただし、最も優れているGPipeはImageNetの学習済みモデルを利用するため、Train with 1000の条件から外れます。 GPipeを除くと、ARS-AugとAutoAugmentの双方でPyramidNet-SDが現時点で最も優れたモデルとなります。 従って、Train with 1000において現時点で最高水準の分類精度を達成しうるモデルはPyramidNet-SDと言えます。 (後記で言及しますが、実際は一応更に優れたモデルが提案されています。じ、実装できなかったんや…。) 実際にTrain with 1000に対してPyramidNet-SDを利用した所、分類精度は64.5%を達成しました。 本実験ではPyramidNet-SDをベースラインとし、更に認識精度を改善しうる手法について検討を行いまし
DeepなFactorization Machinesの最新動向 (2018) - Gunosyデータ分析ブログ
はじめに こんにちは。研究開発チームの関です。 最近毎週日曜日の恋するワンピースの更新を楽しみに生きています。好きなツッコミは「この船の航海士は誰？」です。 あと虹のコンキスタドールのベストアルバム「THE BEST OF RAINBOW」は皆さん買いましたか？ 健康にいいので毎日聞きましょう。 この記事はGunosy Advent Calendar 2018の22日目の記事です。 昨日はcou_zさんの「【年末年始に読みたい】Gunosyエンジニアが2018年に購入した書籍まとめ」でした。 皆さんFactorization Machinesは好きですよね。 予測モデル構築においてはXGBoostと並んでとりあえずやっておくべき手法として知られています。 今回のエントリではKDD2018で発表されたxDeepFMを読み解きながら、 DeepなFactorization Machineの現状
6000人以上を数秒で！キヤノンの群衆を見るAIの進化が止まらない
キヤノンは人工知能（ＡＩ）を活用し、ネットワークカメラで撮影した群衆の人数を高精度に推定できる技術を開発した。実証では数千人規模の人数を迅速に割り出し、誤差も５％以内に抑えられたことを確認。群衆の人数が時系列でどの程度変化するかをリアルタイムで把握できるため、公共施設における警備の効率化やマーケティング用途で需要があると見込む。２０１９年上期の実用化を目指す。 ＡＩのディープラーニング（深層学習）技術を活用し、人の密集パターンを学習させた。正面だけではなく後ろ向き、斜め向きなどいろいろな姿勢の人物でもカウントできるように改良。映像の一人一人に色付けして人数を算出する。 実証では高解像度カメラを活用することで、６０００人以上でも算出できることを確認した。フルハイビジョン（ＨＤ）の画像であれば２―５秒で人数を割り出せることも把握した。 既にラグビーの国際試合において国内のスタジアムで技術の実証
機械学習プロジェクトをいい感じにプロダクトに載せていく今風のやり方について考える | Qrunch（クランチ）
機械学習プロジェクトをいい感じにプロダクトに載せていく今風のやり方について考える この記事は裏freee developers Advent Calendar 2018の18日目の記事です。 どうも、@aflcです。freeeで機械学習とかやってます。freeeだとRoyで通ってます。 今日は、なんとかしてモデルは作ったもののその後どうしよう、という話をします。 TL;DR TensorFlow Servingとkubelessで、サーバーとか何も考えずにデプロイ出来るようになることを目指します。 本日話す内容 機械学習モデルのデプロイ 前処理・後処理の実装 モデルのバージョン 話さない内容 評価・テスト 開発時の環境 TensorFlow以外で実装する場合 APIの設計 などなど Python以外の言語の話題 はじめに あなたが様々な苦労を乗り越え、イカした機械学習モデルを構築できたとし
MN-Core - Preferred Networks
Overview AI/基盤モデルが必要とする計算資源はこれまでのスーパーコンピュータの進化の速度を大幅に上回り、爆発的に増加しています。技術の社会実装に向けて、低コスト/低環境負荷な計算資源が求められています。 Preferred Networks（PFN）は、AI/基盤モデルに要する高速かつ莫大な計算能力を賄うため、深層学習を高速化するプロセッサー（アクセラレータ）MN-Core™シリーズを神戸大学と共同開発し、MN-Core™シリーズを用いた大規模コンピュータクラスター（スーパーコンピュータ）の構築を進めています。 MN-Core Series 莫大な計算量を必要とする深層学習において、計算の高速化は大きな課題のひとつです。 AI/基盤モデルの学習フェーズに最適化した専用チップは、汎用用途のチップに比べ、機能を限定することで高い処理性能を発揮することができます。 PFNが神戸大学と共
AI Transformation Playbook How to lead your company into the AI era - Landing AI
AI (Artificial Intelligence) technology is now poised to transform every industry, just as electricity did 100 years ago. Between now and 2030, it will create an estimated $13 trillion of GDP growth. While it has already created tremendous value in leading technology companies such as Google, Baidu, Microsoft and Facebook, much of the additional waves of value creation will go beyond the software
Facebook Reality Labs、VRハンドトラッキングをリアルタイムに実行するCNNを用いたマーカベースの光学式モーションキャプチャシステムを発表
Facebook Reality Labs、VRハンドトラッキングをリアルタイムに実行するCNNを用いたマーカベースの光学式モーションキャプチャシステムを発表 2018-08-10 Facebook Reality Labsの研究者らは、VR内のハンドトラッキングをリアルタイムに実行するCNN（convolutional neural network）を用いたマーカベースの光学式モーションキャプチャシステムを発表しました。 論文：Online Optical Marker-based Hand Tracking with Deep Labels 著者：Shangchen Han, Beibei Liu, Robert Wang, Yuting Ye, Christopher D. Twigg, Kenrick Kin 本システムは、キャプチャデータをラベリングするためにCNNを用いて推定し
WaveNetを使ったAutoencoderで音楽のドメイン間の変換を可能に! – A Universal Music Translation Network
WaveNetを使ったAutoencoderで音楽のドメイン間の変換を可能に! – A Universal Music Translation Network 交響曲、ピアノ曲、コーラス、口笛などの異なる「ドメイン」の間で、音楽を自在に変換するという野心的な研究. 音楽を変換するといってもMIDIなどのシンボルレベルでのスタイルの変換ではなく、音の波形そのものを扱っています。 ベースになっているのはNSynthの論文の中で提案されているWaveNetをつかったAutoencoderです(NSynthについてはこのサイトでも取り上げたことがあります). Encoderは全ドメインで共通、Decoderは各ドメインごとに用意しています (ひとつのdecoderをドメインごとに条件付け(conditioning)する方法だとうまくいかなかったそうです)。Decoderには、NVIDIAが提供する
論文まとめ：Gated Recurrent Convolutional Neural Network for OCR - Qiita
はじめに NIPS2017から、J. Wang らの Gated Recurrent Convolutional Neural Network for OCR をまとめてみた。 NIPS2017の論文ページはこちら。 http://papers.nips.cc/paper/6637-gated-recurrent-convolution-neural-network-for-ocr 著者らのコードはこちら。 https://github.com/Jianfeng1991/GRCNN-for-OCR 概要 OCRタスクのモデル RCNN(recurrent convolutional neural network)に gate を加えた GRCNN(Gated RCNN)を用いた この gate はRCL(recurrent convolution layer)における context mo
NVIDIA Reveals Next-Gen Turing GPU Architecture: NVIDIA Doubles-Down on Ray Tracing, GDDR6, & More
NVIDIA Reveals Next-Gen Turing GPU Architecture: NVIDIA Doubles-Down on Ray Tracing, GDDR6, & More Moments ago at NVIDIA’s SIGGRAPH 2018 keynote presentation, company CEO Jensen Huang formally unveiled the company’s much awaited (and much rumored) Turing GPU architecture. The next generation of NVIDIA’s GPU designs, Turing will be incorporating a number of new features and is rolling out this year
Sadly, I must say goodbye to Leaf (my programming language) – Musing Mortoray
Sadly, I must say goodbye to Leaf (my programming language) This is hard to write, or rather, it’s a hard decision to make. After investing many years on Leaf — a programming language, a major life project — I need to take a break from it. It’s no longer fulfilling my goals, and it’s not as fun as it once was. It’s interfering with my other career priorities. Leaf has become part of my identity, a
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
AI×医用画像の現状と可能性 - Speaker Deck
【日本の新技術・謎技術】AI開発を加速する高速格安計算機（喜多充成のCEATEC JAPAN“虫の眼”レポート #13）- INTERNET Watch
GitHub - Avik-Jain/100-Days-Of-ML-Code: 100 Days of ML Coding
DLLAB Hackathon September (2018/09/08 13:00〜)
Interview Loop
【深層学習入門】画像処理の基礎(画素操作)からCNN設計まで｜はやぶさの技術ノート
「機械学習で食生活を豊かにする」ことに挑む物理学博士が思い描く研究とサービスの良い関係（後編）－ クックパッド 菊田遥平氏 - Forkwell Press